探討電力營銷系統中的數據挖掘技術

摘要：如何在海量的電力營銷數據中提取出有價值的信息，進而快速地為決策者提供盡可能準確的等量化指標和決策數據，提高經營管理水平，指導電網的經濟運行工作，是目前信息技術在電力營銷系統應用中面臨的主要問題。數據挖掘技術的出現，無疑將在電力營銷領域引起一場革命性的變革。本文主要闡述了電力營銷系統數據來源、特點及數據挖掘技術有關內容，并探討了數據挖掘技術在電力營銷系統中的運用，以供參考。

關鍵詞：電力營銷系統；數據挖掘；技術

1電力營銷系統數據來源、特點及數據挖掘技術的概述

電力營銷系統中的數據涵蓋管理信息系統、地理信息系統、SCADA系統、電網運行過程中的負荷管理系統、配變檢測系統等實時信息系統中的所用數據，而且這些數據伴隨著電力企業的發展逐漸積累，數據含量非常龐大。此外，電力營銷系統數據在種類上還比較混雜，而且采集到的數據通常都會摻雜著一些噪聲或是存在數據缺失、錯誤等情況，數據質量難以保證。作為一門新興的學科，自從集統計學和人工智能以及模式識別、數據庫、高性能并行計算等多種技術于一體的數據挖掘技術出現之后，人們對于數據的應用不再只停留在簡單的數據查詢階段，而是進入到更高層次的應用——從數據中挖掘有價值的知識和信息，給管理者的決策提供支持。目前常用的數據挖掘技術有關聯規則、分類及時間序列挖掘與序列挖掘及聚類等。

2數據挖掘技術在電力營銷系統中的運用

2.1關聯規則的應用

電力營銷系統中的數據挖掘技術應用中關聯規則是最為關鍵的技術應用之一。這種應用可以有效地幫助決策人員進行當前有關數據以及歷史數據的規律分析，最后預測出未來情況。把關聯規則成功引入電力營銷分析，通過FP-Growth算法對電力營銷的有關數據進行關聯規則分析，從中得出各種電量銷售的影響因素以及外部因素等的關聯信息，以便更好地為電力的市場營銷策略提供參謀和決策。

2.2分類的應用

在對電力營銷系統進行中長期預測時常用的方法有序列預測、模糊理論和專家系統以及建立在競爭分類基礎上的神經網絡法和模式分類法等，其中，神經網絡法和模式分類法在電力負荷預測上都有著令人滿意的精確度。同時還有可應用于日調度計劃編制當中的一種短期負荷預測算法，此種預測方法將決策樹技術和外推算法做了有效結合，有著較高的預測精度；在對SCADA系統中不良數據進行狀態估計時可以通過分類樹建立子數據庫，進而縮減SCADA數據庫規模，將計算速度提升上來。

2.3時間序列與序列挖掘的應用

對電力營銷系統的應用中，時間序列挖掘以及序列挖掘非常經典、系統，是應用最為廣泛的一種預測方法。這種方法的應用中，對神經網絡的研究非常之多。因此，在現實中應用主要把時間序列挖掘以及神經網絡兩者進行有效地結合，然后再分析有關電力營銷數據。此外，有關專家還提出應用一種時間窗的序列挖掘算法，這種方式可以進行有效地報警處理，使電力系統中的故障能夠準確的定位并診斷事故。此算法對電力系統的分析和挖掘能力的提高非常有效，還可判定電力系統的運行是否穩定，對錯誤模型的分析精度達到一定的精確度。

2.4空間挖掘的應用

在目前的市場經濟大環境下，原本就需要決策者對各項數據做出快速的分析和診斷，這樣才能在最短的時間內做出最正確的反應和決策，為電力企業健康、穩定、長遠的發展提供有力保障。在這個過程中，需要運用特定的空間挖掘技術對各種目標層次的信息進行綜合處理，這些信息包括電網的運行數據以及負荷的位置分布、負荷的實時變化數據等，只有如此才能對設備進行跟蹤、對故障進行定位、對損失進行評價或是進行模擬停電、實現調度最優化等。對于同類負荷或是不同類負荷的位置分布數據可以通過空間分布規則和聚類規則以及特征規則與區分規則獲得。另外，在針對用戶開展業擴報裝和負荷管理以及電表、電費查收等業務工作時，可以通過利用空間數據挖掘技術獲取到的像地理編碼這樣的幾何知識來完成；在負荷填谷和調峰、錯峰等管理功能當中可以分別把變壓器和用戶地理位置、線路實際負荷以及負荷可控制情況等作為參考依據制定不同的負荷控制方案。

2.5聚類應用

聚類在電力營銷系統當中主要應用在以下方面：電力用戶分類、信用評價和負荷預測、分類以及變壓器故障診斷、不良數據的修正等。例如在對客戶各個方面不同屬性進行劃分的基礎上通過聚類分析法把客戶劃分成不同組別，此時，負責決策分析的人員就可以此聚類結構為依據，對存在于各個組別相互之間的差異性分析出來，然后對類群特征展開研究，這樣就可以根據實際情況實行不同的營銷策略，保證企業經濟效益的提升。又如，鑒于電力客戶信用分類的特性，可以在模糊聚類分析的基礎上針對客戶信用建立一個評價算法，通過此種算法就可以獲得基于不同客戶群的聚類中心以及針對每個客戶的隸屬度矩陣，這樣就給針對客戶群的特征分析提供了量化的參考依據。在不良數據的校正上，可以在原有聚類算法——CURE算法當中融入信息熵原則來對聚類過程中出現的基本參數進行選擇，然后在相關負荷特征曲線的提取上使用Kohonen網絡。此外，對于典型負荷的代表曲線，可以在對獲取來的用戶用電數據進行預處理之后再通過合適的聚類方法、聚類書目獲得，這樣既可以對用戶的用電模式有所了解，又可以為購電合同的制定提供參考依據，幫助企業獲得更多的經濟效益。

3結語

總之，數據挖掘在電力營銷系統的應用仍然處于起步的階段，單一的挖掘算法很難滿足實際決策的需要，應該要在多方面因素的影響下不斷改進挖掘算法。目前，還未出現針對特定決策支持系統的專門挖掘軟件，只是架構出系統結構，核心的算法體制并未完善，不能滿足決策需要，如何保證數據挖掘方法更精確、高效、穩定地應用于營銷系統中仍是亟待解決的問題。雖然存在不足，但是數據挖掘對潛在問題和規律具有很高的預見性，而且具有高效計算、監測和管理的能力，因此，它適用于電力營銷系統大規模非線性問題的求解，必會顯示出其強大的生命力，成為電力營銷領域發展的重要工具。

參考文獻：

[1]許敏.數據挖掘技術在電力營銷系統中的應用及發展[J].科技與企業，2015.

[2]雷波.數據挖掘技術在電力營銷系統中的應用研究[J].廣東科技，2014.

（作者單位：國網伊寧縣供電公司）

作者簡介：李春生，男，（1972-2）籍貫：河北省棗強縣，職稱：助理工程師，研究方向：黨建，電力營銷。